全球视角！量子技术全景展望（2022版）（上）

巨额投资创造了越来越多的量子独角兽企业。中国在光子和超导量子比特方面的进步引起世界关注。离子阱因逻辑量子比特的演示而大放异彩。但是谁能在建造实用量子计算机的竞赛中获胜呢？

我们应该从哪里开始评估最重要的量子硬件发展？不同量子比特平台面临的挑战和机遇差异显著。我们越来越需要了解每家公司优先考虑的目标，以及它们之间的相互关系。参与者是否都能顺利地实现自己的量子路线图？

容错量子计算机（FTQC）——早期容错量子计算机的新兴标准是一种具有100万物理量子比特的设备，运行表面码（或类似）纠错，以提供多达1000个逻辑量子比特。为了实现这一点，假设双量子比特（2Q）门保真度达到99.9%以上，并且量子比特相干寿命足够长，以至于它们不会支配错误预算。为了实现这一目标，公司需要证明他们可以从根本上扩大技术规模。具体的挑战因量子比特平台而异，但看起来并不容易：制造公差、过度的控制布线/激光对准复杂性、串扰/校准、热负载和冷却性能、量子互连以及用于控制和纠错的经典处理的延迟。在大多数方法中，创建“魔法态”（magic state）（支持通用门集所需的资源）看起来像是一个关键瓶颈。

含噪声中等规模量子（NISQ）——一些参与者强调使用更适度、嘈杂、中等规模的量子设备可能会更快实现。这避免了量子纠错所需的巨大开销，而是寻求在少量步骤（浅电路深度）完中成计算，以便每个物理量子比特门引入的错误不会变得难以处理。认为，门模型量子计算机要在实际应用中获得广泛的量子优势，可能需要99.99%+的2Q保真度。增强的甚至是针对特定问题的量子比特连接也可能非常重要。将需要与经典处理进行低延迟集成。

较少量子比特的量子计算机（FQQC）——同样重要的是要记住，对于某些应用，我们只需要“几个量子比特”。此类应用的早期示例通常位于量子计算、网络安全和量子通信的交叉点；这种重叠有望最终发展成为量子互联网，并通过传感器发展成为量子物联网。这里的不同权衡最终可能适合不同的量子比特平台。能够在更高、更容易部署的温度下提供一些相干寿命可能是一个有用的优势。

扩大规模是很困难，但对于许多硬件公司来说，这是一件好事，他们可以指出他们的多量子比特设备从上一代到下一代都在提高保真度。然而，几乎在所有情况下，他们仍在“追赶”理想的双量子比特（2Q）实验室设备所能实现的目标。坦率地说，我们今天看到的保真度根本不够好。

多年来，门模型量子计算平台的非正式入门级基准一直是证明2Q门保真度高于99%。随着经验和实际关注的增加，这个领域现在需要认识到最低指标是99.9%（或者你需要提供一份来自量子纠错负责人的非常明确的说明，说明为什么这个标准不适用于你）。正如我们将看到的，在2021年，公司已经同时采用这两种方法。

一、超导量子比特迎风而上

1、IBM在基础路线图取得重要进展

2021年，IBM推出了迄今为止最大的处理器——127Q的Eagle。我们还不知道这款处理器将提供什么样的量子体积（QV），尽管至少在短期内这肯定会受到保真度而不是量子比特数的限制。但是Eagle已经令人印象深刻。IBM团队显然非常兴奋，因为他们成功地制造出了一种新的多层芯片架构，其中包括量子比特、读出谐振器和不同层上的控制线。这大大简化了控制路由的挑战，并证明了进一步扩展的概念。重要的是，IBM还在继续证明他们有能力将前几代处理器的性能提升到超越早期极限的水平。

图1 IBM 127量子比特处理器Eagle

我们认为，IBM最近在基础保真度统计方面取得的进展尤为重要。Falcon系列设备现已取得一系列令人鼓舞的成果：

R8修订版现在稳定实现约0.3毫秒（T1）的平均寿命。测试设备已达到0.6毫秒。长寿命最终是整体保真度的重要基础。当量子比特必须等待其他操作完成时（例如在纠错周期中），它们也很重要。长寿命的状态一直是IBM固定频率transmon量子比特的承诺，因此其他参与者不一定容易匹配。

在2021年的一项引人注目的公告中，Falcon R10上最好的CNOT门现在达到了99.91%的2Q门保真度。以前IBM处理器系列的趋势令人印象深刻。此外，IBM还发布了带有实验设备的有希望的结果，探索了架构的变体，例如可调谐耦合器的引入。小型测试设备报告了令人鼓舞的结果，其2Q保真度为99.85%。该技术还应有助于抑制同时操作中的串扰。

IBM的进展很重要，因为它让我们有理由相信，使用当前的材料和制造技术在大型设备上达到99.9%的2Q保真度仍然是一个合理的预测。如果我们不得不依赖材料科学的进步或全新的制造技术，那么该行业目前激进的时间表只会令人失望。

IBM在其约克镇高地的200毫米试验生产线上制造自己的芯片。它指出在超导量子比特的特定背景下，这是最先进的技术。这似乎使它有信心继续制造具有越来越多量子比特的单个芯片。IBM还提到了其广泛的专利组合，以及在保护其制造技术方面可以发挥的作用。

IBM还为早期量子设备引入了一种新的性能指标。以前的测量方法都试图捕获设备大小（量子比特数）或质量（QV），而新的测量方法（CLOPS）则聚焦于速度——一个（有争议的）具有代表性的操作样本能够以多快的速度完成。

量子比特数——可用量子比特的数量（相互连接，可用于2Q门）仍然是一个关键指标。因为在50Q以下，我们仍然可以模拟量子计算机用传统计算机能做的大多数事情。

量子体积——该指标衡量设备可以执行的最大随机“方形”电路。这将量子比特宽度与QV层中的电路深度相结合。每层都是量子比特的随机排列，然后是所有对之间的随机2Q门（特别是SU（4）门）。所需的物理电路深度通常远大于QV层的数量，因此该指标不仅体现了量子比特门的保真度，还体现了灵活的原生门组、增强的量子比特连接、有效的编译器路由和低层错误缓解带来的好处。

每秒电路层操作数——该指标衡量处理器每秒可以执行的QV层数（平均超过100次运行）。这保持了一种与硬件无关的方法，使我们不仅可以衡量快速门的影响，还可以衡量高保真快速读出、低延迟控制系统和低级编译器性能的影响。

量子计算支持者过去倾向于忽视原始处理器速度，而是依赖于这样一个假设，即执行的算法中的优势总是会使拥有最大量子能力的量子计算机获胜。然而，越来越深入地了解真实机器所面临的挑战，迫使我们更加具体地看待问题。在短期内，需要在NISQ设备上的合理时间范围内执行高重复变分算法。此外，当前的FTQC架构看起来太慢，无法为仅提供平方加速的算法提供优势。更快的量子门会有所帮助。

任何基准是否有用的一个关键测试是，它是否有助于该领域专注于需要解决的实际问题，还是只是参与指标衡量？我们认为，量子比特数、QV和CLOPS加在一起，可能被证明是有用的高级指标。2019年，IBM设备仅提供16 QV和200 CLOPS（推断）；现在他们在一系列可访问云的Falcon处理器中提供128 QV和2000+ CLOPS。

Eagle是最后一款使用IBM Quantum System One机箱的处理器。IBM宣布IBM Quantum System Two作为未来芯片的外壳。它采用模块化六边形概念，包括控制电子设备和低温技术。提供足够的冷却能力和最小化停机时间是超导量子比特的另一个扩展挑战。IBM引入了专业合作伙伴Bluefors来帮助解决这一问题。冷却能力的提升也为未来使用量子互连的处理器之间的相干网络打开了大门。

IBM路线图——127Q （Eagle） 2021、433Q （Osprey） 2022、1121Q （Condor） 2023；100万Q的大规模系统。通过重六边形码（混合表面码和Bacon Shor码）进行纠错。首选指标：量子比特数、QV和CLOPS。

OQC是一家英国超导量子比特初创公司。与大多数其他超导量子比特竞争对手相比，OQC也一直在使用固定频率的量子比特。公司的专利coaxmon量子比特架构是根据基本原则设计的，以缓解IBM在Eagle中使用堆叠方法解决的相同路由问题。看看数据对比会很有趣。

OQC是第一家通过亚马逊支架云平台提供处理器的非北美公司，这是一个值得注意的里程碑。此外，该公司还推出了英国首个商用QCaaS服务。

2、谷歌蓄势待发，准备下一次飞跃

谷歌计划到2029年斥资“数十亿”美元开发QC，并将其团队规模扩大一倍。它现在还拥有自己的洁净室，可以缩短制造芯片的周期。

谷歌率先实现了其第一个里程碑：他们的Sycamore（悬铃木）芯片展示了超越任何经典计算机的计算能力（量子优越性）。他们现在正按计划实现第二个里程碑：逻辑量子比特原型。他们想证明他们首选的纠错方法，即表面码，确实可以通过增加网格大小来系统地抑制错误。

为了实现这一目标，他们实施了升级，将悬铃木架构从一种专门针对“随机电路采样”的人工问题转向为实现表面码而优化的架构。这包括将他们本机实现的主要2Q门升级为对手头任务更有用的门。

类iSWAP→CZ——与可调谐频率转换量子比特保持一致，新标准CZ门比旧门更复杂且速度稍慢（14ns → 26ns）。这是一个真正的成就，它具有大致相同的保真度（99.4% 2Qsim——还需要注意的是，谷歌引用了同步操作中更严格的2Q保真度测试，其最好的单个门对之前已经证明了99.9%的性能。

读出和复位——谷歌还实现了更快和更高保真度的读取，从3000ns和96.2%提高到600ns和98.1%。一种新的多级复位操作也能够纠正泄漏错误。

谷歌在读取性能方面的改进对于纠错至关重要，因为闲置数据量子比特上的错误已被证明是一个令人惊讶的重大瓶颈。2021年，谷歌已经成功实现了一个一维“重复码”，可以看作是实现完整二维表面码进程的中途标志。

Lambda（Λ）——谷歌强调了参数的重要性，该参数用于衡量当我们移动到更大的代码距离时如何有效地抑制错误。Λ大于1表明系统纠错正在起作用，但谷歌认为Λ为10是系统设计的最佳点。低于这个值，物理量子比特与逻辑量子比特的比率会不切实际地增加，高于这个值会提供相对递减的回报。因此，为了实现这一点，目前的表面码协议被认为需要99.9%+的2Q门保真度。在测量和重置周期期间等待的闲置量子比特的错误率也必须显著提高。

错误突发——并非所有错误都是一样的。纠错码通常被设计为在错误很小且不相关的假设下工作。量子比特状态被破坏的泄漏错误，或跨多个量子比特高度相关的错误更难以管理。谷歌指出，减轻宇宙射线和潜在放射性的影响，现在是进一步扩展的现实设计考虑因素。

Hartmut Neven指出：“在《自然》杂志上写一篇论文，超越经典能力是一回事，让它随着时间的推移而可靠地运行，并提供合适的云服务水平，则是另一回事。”这并不是消极的，而是一个例子，说明随着设备规模的扩大，自动化校准等实际挑战是多么艰巨。这是其他人可能很快面临类似问题的一个标志。

谷歌路线图——从现在到2029年，逐步实现100Q（逻辑量子比特原型）、1000Q（逻辑量子比特）、10000Q（可平铺逻辑模块）、10万Q（工程放大）、100万Q（纠错量子计算机）。通过表面码协议纠错。首选指标：同时操作中的2Q门保真度。

图2 谷歌量子计算路线图

QuTech也研究可调谐频率tranmon量子比特，并发布了令人震惊的保真度结果。在实验室测试设备中，QuTech研究人员实现了保真度为99.93%的新型SNZ CZ 2Q门。这对Quantum Inspire开放接入云的未来是一个好兆头。此外，MIT还展示了一个高保真度的iSWAP 2Q门，带有保真度为99.87%的可调谐耦合器。

该类型的系统面临的校准问题反映在UKRI（英国研究与创新中心）在这个领域资助的工作中。由初创公司Riverlane领导的AutoQT项目正在寻求利用人工智能技术来保持量子比特旋转。

3、中国科学技术大学祖冲之掀起热议

2021年，中国科学技术大学凭借66Q超导量子比特器件“祖冲之”登上头条。祖冲之2.0能够执行56Q的随机电路采样，祖冲之2.1能够执行60Q，比悬铃木多7个量子比特，实现了一项新的计算难度世界纪录。

图3 祖冲之二号66比特量子处理器

祖冲之——以中国天文学家和数学家的名字命名，他在公元480年左右精确计算出圆周率的数值，此后800年无人超越。该设备采用与谷歌悬铃木基本相同的架构：可调谐频率transmon量子比特，并带有可调耦合器以抑制串扰，以及类iSWAP门。

这是否意味着中国科学技术大学目前在QC竞赛中处于领先地位？祖冲之的保真度统计数据（99.4% 2Qsim）现在与“悬铃木”不相上下，尽管它的门速度比最初版本的“悬铃木”要慢（24ns vs 12ns）。用科学术语来说，这是在另一个实验室重复实验以确认结果的一个很好的例子。中国科大研究团队现在面临着Google在过去两年中一直在寻找的相同挑战；如何将一个伟大的实验变成一个足以正常运行的设备。读出保真度在祖冲之2.0版和2.1版之间提高的速度令人振奋，制造新的芯片只需要2个月的时间，这也许是我们可以期待的指标。更具挑战性的是如何在量子比特保真度上领先，而不是追赶。中国科大和Google的保真度都不足以达到他们想要实现的目标。

随着中国超导量子比特技术的发展，总部位于合肥的量子计算初创公司本源量子（Origin Quantum）处于有利地位。它已经支持24Q系统的云访问，并即将升级到64Q。在一轮成功的融资后，本源量子的估值达到70亿元，成为独角兽。

本源量子路线图——2021年64Q、2022年144Q、2025年1024Q

中国的超导量子比特技术有望受益于在山东济南正在建设的新一代最先进的下一代纳米制造中心。这将是竞争日益激烈的比赛的关键帮助。

在欧洲，量子旗舰（Quantum Flagship）项目OpenSuperQ已经构建了初始的5Q和7Q超导量子比特设备，也采用了可调谐量子比特方法。目前工作计划结束之前（2022年3月之前），有可能升级到20Q倒装芯片设计。这将低于该项目最初的100Q目标。然而，认为，我们必须现实地看待这类前沿项目是否能够持续追赶承诺的时间表。如果他们总是能做到，那我们的野心就太低了。同样，面临的困难也突显了中国科大团队在开发祖冲之方面取得的成就。

在保真度这一关键指标方面，阿里巴巴也取得了重要进展。今年3月，阿里巴巴达摩院量子实验室成功设计制造出两比特超导fluxonium量子芯片，实现了两比特iSWAP门保真度最高达99.72%，达到了超导量子比特全球最佳水平。

4、Rigetti专注于模块化

2021年，Rigetti已经取得了令人振奋的成绩。去年10月，Rigetti宣布以SPAC为基础的上市交易成为头条新闻，这使得他们也成为量子独角兽企业。

制造规模不断扩大的单个芯片面临着量子比特失效和产量下降的问题。Rigetti强调了模块化方法的发展，该方法直接针对这种扩展性挑战。在独立的硅模具上制造的小型处理器被倒装到载体芯片上。该载体芯片采用耦合器，以提供独立芯片之间的量子相干互连。这种方法能保持所需的高保真度吗？2021年的结果显示出了希望。跨芯片纠缠率可与Rigetti的基本门速度（约10 MHz）相媲美；保真度是有希望的（iSWAP为99.1%，CZ为98.3%）。

最后，许多公司可能希望使用这种方法。但最佳制造芯片尺寸的交叉点仍然有待确定。显著提高保真度是Rigetti面临的重要挑战。

5、D-Wave加速前进

D-Wave在2021年对其战略进行了非常重大的扩展，宣布计划推出基于门的系列设备。他们计划的细节非常有趣。他们承认，量子计算的门模型方法对材料科学和化学模拟问题具有更大的长期潜力（使其符合该领域的传统智慧）。然而，他们也很清楚，他们在量子退火上下了双倍的赌注，因为他们认为该架构在短期和长期（至少与目前设想的门模型架构相比）都有最佳的优化问题前景。

D-Wave退火路线图——5000Q Advantage 15路连接，Advantage性能更新 2022年；Advantage 2新的量子比特设计 2023/24年，改进的相干性实现了改进的连接性 2025年。

图4 D-Wave Advantage

D-Wave门模型概念也很独特，保留了他们开创的通量量子比特设计和多层制造，包括在芯片上保持多路复用控制。许多人认为这些折衷方案不适合门模型方法所要求的高保真度规格。不过，D-Wave有相关专家。如果他们不相信自己能成功，他们就不必定义这条道路。

D-Wave门模型路线图——第1阶段验证多层堆栈中的量子比特；第2阶段验证纠错；第3阶段演示逻辑量子比特操作；第4阶段：设计可扩展的特定任务组件；第5阶段：第一个集成通用处理器。

Qilimanjaro是一家西班牙初创公司，也在追求量子退火技术。它正在参与AVaQus项目，在欧洲建造一个相干量子退火器。

6、众多参与者推动技术发展

SEEQC基于其独特的超导单通量量子（SFQ）数字控制技术成为该细分市场具有长期潜力的另一家初创公司。

单通量量子——这种独特的超导电子技术使SEEQC能够在单个低温芯片上集成快速、低热量和低功耗的经典处理、数字多路复用和低延迟量子比特控制。基于SFQ电路的快速经典控制逻辑，尤其是纠错和魔法态的有效生成，可能是SEEQC的一个关键优势。

高效的倒装芯片——SEEQC方法的一个优势是超导量子比特和超导控制电子设备的相对尺寸相似：量子比特位于一个晶片/芯片上，而相应的SFQ控制电路位于另一个相同尺寸的晶片/芯片上。这些可以使用已建立的晶圆厂工艺单独制造、切割和倒装芯片键合。这种制造灵活性与无线耦合相结合，有望带来扩展优势。

SEEQC最近制造了他们的第三代多芯片模块测试设备，包括与SFQ控制器相结合的transmon阵列和fluxonium设备，但尚未对性能统计数据发表评论。

SEEQC的集成量子比特控制方法吸引了众多投资，并在2021年获得了英国UKRI的三笔拨款。SEEQC拥有最先进的内部商业晶圆厂，能够生产复杂的SFQ芯片，这意味着他们将从美国支持芯片制造技术投资的政治势头中受益。

IQM是一家提供差异化服务的欧洲初创公司，专注于为研究机构和高性能计算（HPC）中心构建现场量子计算机。这种协同设计方法有很大的优势，特别是在欧盟和印度等具有潜在独立意识的亚洲国家。2021年IQM中标了一个备受瞩目的项目，该项目将在德国构建量子计算系统。

Bleximo是一家美国初创公司，也专注于基于超导量子比特的特定应用量子计算机的协同设计。尽管迄今为止他们一直保持低调，但他们的工程能力在Q2B会议上得到了清晰的展示。Bleximo自然受益于其与加州大学伯克利分校的密切联系。

IMPAQT是一个荷兰财团，其目标是研究团队的“自建”市场。

未来超导量子计算机的可扩展性也将在某个时候可能需要独立稀释制冷机之间的相干连接。苏黎世联邦理工学院已经证明了这一原则。量子旗舰QMiCS项目引领了这项技术在欧洲的发展。

二、离子阱：通往逻辑量子比特

1、IonQ大放异彩

离子阱在2021年占据了许多头条新闻。IonQ以其吸引眼球的20亿美元的SPAC上市敲响了纽约证券交易所的钟声。

IonQ的学术合作者还更进一步，演示了15Q设备的容错控制，以形成单个逻辑量子比特（使用Bacon-Shor-13纠错码）。演示了一套完整的单量子比特门，以及魔法态的创建。这是容错领域的一个里程碑，尽管所实现的逻辑保真度仅为中等（逻辑SPAM保真度为99.4%，逻辑1Q保真度为99.7%）。由于纠错经常被讨论，以至于有些人可能认为这是理所当然的。看到它在实践中发挥作用，这个领域应该松了一口气。

IonQ也取得了独立基准测试的成功。2021年，美国量子经济发展联盟QED-C发布了一套涵盖一系列通用基础量子算法的性能基准。结果包括IonQ的云访问11Q系统和IonQ的下一代硬件。与上一代相比，最新的IonQ硬件迈出了一大步，在测试中总体上优于IBM、霍尼韦尔和Rigetti的其他设备。由QED-C开发的信息可视化使得离子阱系统提供的增强量子比特连通性的好处得到了清晰的演示。

QED-C基准套件——它选择了广泛讨论的量子算法，并展示了它们在不同量子比特数量和电路深度上的性能。生成的可视化效果很好，信息量很大。它们支持与QV的直观联系，并提供超越简单数字的洞察力。

该系统的测量QV尚未公布，但据估计，在基准测试时，该系统的QV似乎在1024QV范围内运行，仍远低于我们希望看到的400万QV。IonQ似乎在调整2Q门保真度以充分发挥系统潜力方面面临延迟。

IonQ路线图——2021年22AQ、2023年29AQ、2025年64AQ、2026年256AQ、2027年384AQ、2028年1024AQ。纠错开销——2025年16:1，2027年32:1。

算法量子比特（AQ）——IonQ定义的指标，表示可用于计算的“有效完美”量子比特的数量（请注意，可用的逻辑门深度仍然有限）。在没有纠错的情况下，AQ=log2（QV）。

图5 IonQ量子计算机

IonQ策略的一个关键部分是采用灵活的纠错方法。与其等待实施高性能高开销表面码，不如强调中期计划以务实地使用较小的码。这有望以适度的开销（16:1）提高保真度（可能达到99.99%）。

超导挑战——IBM的99.91±0.014%、QuTech的99.93±0.24%和MIT的99.87±0.23%的超导量子比特的2Q门保真度是对离子阱的一个重大挑战。离子阱系统的一个关键优势是它们提供了更高的2Q门保真度。然而，激光驱动门只有99.92±0.04%，近场微波驱动门为99.91±0.09%；而这些水平的表现只在简单的2Q实验室实验中得到了证明。没有一个离子阱团队在真正的多量子比特设备中展示过类似的东西。IBM实现了与离子阱系统不相上下的保真度，并且是生产制造系统。超导量子比特门的速度也明显更快。

离子阱系统还有更多的路要走。增强的量子比特连通性可能与潜在的NISQ应用非常相关（超导量子比特通常限制在最近邻的相互作用）。如果它允许以降低的开销获得创新的纠错码实现，可以转化为重要的长期利益。在超导量子比特门保真度的可变性中，我们还可以看到另一个经常被强调的问题的直接证据：制造的量子比特具有不可避免的可变性，而基于离子或原子的量子比特不会。

在2021年Q2B大会上，IonQ宣布了其技术路线图的新细节。它的下一代处理器将使用钡离子量子比特，而不是当前设备中的镱离子。并不期望在性能上立即出现飞跃，但总的来说，这很好地说明了IonQ技术愿景的蓝图。拥有8亿美元投资基金的一个微妙挑战是，你是否有足够的好主意来让这些钱发挥作用。IonQ在商业和科学方面的领导地位似乎正在抓住这个机会。

钡离子量子比特——钡-133不是自然产生的。这种人造同位素是专门合成的，因为它有望成为俘获离子量子比特。它的核自旋为½，因此可用作长寿命超精细量子比特的基础。至关重要的是，离子的电子结构也具有在方便的光波长处跃迁的亚稳态。这些在光纤或集成光子设备中更容易使用。这种转变可用于更方便地操纵超精细量子比特，或作为在同一系统中形成光学量子比特的基础。这也有望简化在陷阱之间创建光子互连的任务。与其他离子种类相比，钡离子的实验工作仍处于相对早期的阶段。

IonQ非常强调他们方法的模块化。该公司首席科学家Chris Monroe指出，即使在转移到多个设备之前，离子链也可以在单个扩展陷阱中移动和组合，以创建数百个量子比特的模块。集成光学是扩展的关键要求，但他指出这是一项工程挑战，而不是物理挑战。

2、AQT展示了一个真正的基于机架的系统

奥地利的阿尔卑斯量子技术公司（AQT）是一家基于捕获离子光学量子比特（基于光学跃迁，而不是IonQ和霍尼韦尔使用的超精细跃迁）的初创公司。虽然相干时间稍短，但承诺更容易集成光学系统的未来发展。AQT利用他们在欧盟QT旗舰AQTION项目中的参与，交付了第一个24Q全机架式演示系统，这是当今世界上最小的QC系统。

图6 AQT机架式量子计算机

在2021年EQTC会议上，AQTION和因斯布鲁克大学团队展示了一套完整的通用容错门（1Q门、2Q门和魔法态注入）。这个世界上第一个使用16Q AQT Pine Trap设备来实现2个逻辑量子比特（每个使用7Q色码，也称为Steane码）。Thomas Monz领导着因斯布鲁克团队，同时也是ATQ的联合创始人。如果这一结果能够通过同行评议，那将是欧洲计划的重大胜利。

Pine Trap的2Q保真度为99.36%。进一步改善这一点将是一个关键挑战。

Light-Shift 2Q门——佐治亚理工学院的工作指出了激光驱动2Q门的新机制的潜在优势。原则上可以应用于超精细或光学量子比特。最近的工作认为，这种方法能够支持具有光学捕获离子量子比特的高达99.99%保真度的门。

3、霍尼韦尔成立Quantinuum，并继续交付产品

霍尼韦尔在2021年做出了一项重大的举措，将其量子计算部门剥离出来与量子软件领域的全球领导者剑桥量子公司合并，成立了一个名为Quantinuum的新集团。直接获得领先的软件专有技术将是最大限度地利用早期设备的一个重要优势。Quantinuum将继续使用霍尼韦尔制造设施，Tony Uttley继续担任新公司的总裁兼首席运营官，确保了硬件开发的连续性。

霍尼韦尔继续向外界展示他们有能力按照路线图系统地向前推进。2021年他们再次创下记录，率先达到1024QV，紧接着2022年3月达到2048QV，目前最新记录为4096QV，其目标是每年QV增长一个数量级。

图7 霍尼韦尔H系列量子计算机的量子体积

霍尼韦尔的初步结果还显示，在10Q设备中成功进行了多轮纠错（使用[[7,1,3]]色码）。霍尼韦尔利用其在中间电路测量方面的领先优势，使其能够有效地重复多轮纠错。逻辑保真度高于物理保真度（逻辑SPAM 99.83（2）%，物理SPAM 99.76（8）%）。

霍尼韦尔路线图——从现在到2030年，逐步实现H1（线性陷阱）、H2（赛道布局）、H3（网格布局）、H4（集成光学）、H5（通过实现平铺大规模）。

霍尼韦尔的方法也与IonQ或AQT的方法大不相同。霍尼韦尔不是操纵线性离子链，而是在QCCD网格中重新排列离子。2021年的其他发展为这种类型的架构指明了新的可能性。

4、离子阱互连的创新

另一家离子阱初创公司Universal Quantum也使用QCCD方法。对于提出的大规模阱离子结构，一个传统的问题是，当你已经构建了最大的可行的单个阱时该做什么。这对于小型NISQ应用来说可能已经足够了，但对于FTQC预计需要的百万量子比特设备来说，这肯定是不够的。Universal Quantum提出了一种新的解决方案，即模块间离子的直接传输。

光子互连——将模块连贯连接在一起的标准建议是使用光子互连，实际上，支持者指出该解决方案的灵活性是整个捕获离子架构的优势。然而，到目前为止，这样的链接显示的速度是中等的（纠缠率每秒182次；保真度94%）。

直接传输——在ECTI 2021上，来自萨塞克斯大学和Universal Quantum的一个团队宣布了一项引人注目的概念验证演示，即跨越微对准量子模块边界的“全电”离子传输。这大大提高了速率和传输保真度（每秒2400次和99.999995%）。

直接传输不像光子传输那样灵活，但它提供了一种可以很好地结合纠错需求的工具。其他人指出，他们预计光子互连的速度将大幅提高。Entangled Networks是一家专注于这项技术的加拿大初创公司。Aharon Brodutch（首席执行官）预计每秒1000次的速度是可以实现的。

5、离子阱门的创新

作为离子阱量子计算公司，Universal Quantum继续质疑通过激光直接驱动门的可扩展性，如在IonQ、AQT和霍尼韦尔系统中使用的那样。Universal Quantum正在寻找由全局微波场驱动的门，有望带来独特的扩展优势，但前提是能够实现足够保真度的门，并能支持大量离子。

Universal在2021年再次成功从UKRI获得了额外的赠款。一个项目将支持开发用于商业应用的纠错量子处理器，另一个项目支持与主要半导体制造商合作开发微芯片。

Oxford Ionics（牛津离子）是一家离子阱初创公司，专注于一种完全不同的近场微波方法来驱动门。它是从英国QCS中心分拆出来的，最近受益于一系列UKRI赠款，其中包括2021年的三笔赠款。虽然它尚未推出设备，但其创始人已经构建了一系列破纪录的实验室系统。2021年，它一直在招聘顶尖人才。

超过99.99%——Oxford Ionics的联合创始人Tom Harty认为，离子阱有可能实现远远超过99.99%的保真度。“就其核心而言，该技术平台使我们能够结合我们两个最强大工具的优势：现代半导体制造技术的可重复性；以及位于原子钟核心的相同自然量子比特系统，实际上是人类有史以来建造的最精确的设备。”

Oxford Ionics仅使用激光来控制系统的经典方面（包括冷却和读出）。Harty指出了用微波驱动精密量子门的优势，认为相位灵敏度在这些MHz频率下应该更容易处理，而不是典型激光系统中的THz。此外，微波可以提供一种超越光子散射极限的方法，这可能会使激光驱动的门难以超过99.99%。

我们可以期待Oxford Ionics宣布单独的NISQ和FTQC路线图。如果可以达到足够高的2Q保真度，为什么还要等待纠错呢？99.99%的2Q保真可能支持100AQ设备。那会非常有趣。

三、光子学揭示了它的另类前景

1、PsiQuantum迈出重要一步

2021年，PsiQ又筹集了4.5亿美元，融资总额为6.65亿美元，估值为30亿美元。PsiQ还透露了一些具体细节。

PsiQ已经与全球领先的半导体制造商之一GlobalFoundries（格芯）合作了一段时间，这种合作关系已经开始显示出令人印象深刻的结果。关键的一步是将PsiQ的单光子源和单光子探测技术（氮化铌SNSPD）的工具以及在线测试（基于4K低温恒温器）整合到格芯位于纽约州北部和德国德累斯顿的最先进的300mm生产设施的生产线中。

一级晶圆厂——一级晶圆厂的一个关键优势是顶级设备可以生产出更高的纳米特征精度。波导的线边缘粗糙度会导致光子损耗并降低探测器的效率。PsiQ报告称，从精品设备到最先进的设备，图案质量提高了5倍，推动设备性能大幅提高（例如，单光子探测器的效率从97%@2K提高到了99.7%@2K。重要的是，可以在每个晶片上制造数千个探测器以及系统所需的源、波导和其他光学组件。

PsiQ实现了一种微妙的平衡，他们已经证明，通过利用顶级晶圆厂的能力，可以改进集成器件的关键组件。与此同时，他们避免使用奇异的材料和超尖端的制造工艺，否则他们将无法进入此类晶圆厂，这些晶圆厂的主要业务不是研发，而是传统芯片的批量生产。

图8 PsiQuantum量子计算芯片

Jeremy O'Brien（PsiQ的首席执行官）总结道：“我们没有尝试扩展量子过程，而是采用了可扩展的过程并使其成为量子。”

认为PsiQ的理论突破更具创新性和潜在的深远影响。PsiQ使用单个光子来形成量子比特。他们现在已经引入了他们所谓的基于融合（fusion）的量子计算（FBQC），作为在这个体系结构中如何支持容错计算的重要简化。

基于光子路径的双轨光子量子比特——量子比特的状态|0>和|1>编码在光子所采取的路径中：它是在上波导还是下波导，还是两者都有。

在这个方案中，传统的电路模型量子计算的2Q门是不实用的。相反，人们经常提出一种叫做基于测量的量子计算（MBQC）的等效方案更实用。

MBQC使用大的纠缠团簇态。所需的量子算法是通过对团簇态的一系列测量来实现的。这种方法的一个关键挑战一直是难以产生足够大的团簇态。

FBQC将小的标准纠缠态作为其输入。然后使用标准光子技术（贝尔测量）动态组合（融合）这些资源状态。这有效地重建了容错团簇态的能力，但关键是任何单个光子必须成功导航的光学组件的数量保持较低且恒定。

基于融合的量子计算挑战了我们对量子计算中重要事项的一些正常直觉。在传统的基于电路的方法中，我们通常关注量子比特系统的相干性必须通过增加门的数量来保护的概念。这允许量子算法利用的量子相关性在最终量子比特状态中建立。在FBQC中，每个单独的量子比特/光子在创建后不久都会被测量和销毁。量子相关性在与该过程控制相关的经典数据中建立。

FBQC方法的特点是，多种形式的潜在错误（如光子损失、融合失败等）可以作为统一的错误修正过程的一部分自然解决。这与表面码等方法的核心拓扑思想密切相关。在某种意义上，FBQC中的多轮融合类似于表面码纠错循环。从这个意义上说，两者都采用2D结构并增加时间步长来创建一个“3D”容错通道，计算可以沿着该通道进行。然而，制造光子结构的灵活性有望与FBQC方法的理论灵活性很好地结合。PsiQ公布的“示例”架构使用6Q纠缠环作为它们的基本资源状态，但他们暗示这不是最佳的，使用不同的单元形状可能会提高性能。这正是PsiQ团队成员所熟知的纠错理论领域。

PsiQ方法的潜在弱点是什么？我们还没有看到运行的设备。正如其他技术一样，我们可以期待真实的经验带来对特定挑战的更加敏锐的感知。与任何QC平台一样，PsiQ的量子比特最终都是模拟对象，因此必须在某些地方面对制造容差或校准的挑战。对于路径编码的光子量子比特，这可能表现出对光子相位的敏感性。串扰对其他平台来说是一个挑战，但通常被认为是光子技术的一个可能的优势。然而，从来没有人在PsiQ现在设想的规模和组件密度下使用单个光子。PsiQ也没有透露他们正在使用的技术来产生他们的方法所依赖的初始纠缠资源状态。每个资源状态发生器都可能需要显著的切换和复用复杂性。

经典控制——PsiQ方法的一个优势是光子制造和控制电子制造的相对规模效果很好：大约100万个量子比特安装在300毫米晶圆上，而大约1万亿个晶体管安装在相同的（不同优化的）晶圆上尺寸。这种芯片可以单独制造、切割，然后使用已建立的晶圆厂工艺进行倒装芯片焊接。封装具有非常方便的控制电子/量子比特比率。

FBQC架构的另一个显著优势是，许多基本控制处理不必在物理光子时钟周期内发生；相反，传统计算可以在多个融合循环结束后“赶上”。此功能甚至扩展到魔法态的创建，这是此处（以及大多数FTQC方案中）实现量子优势所需的关键资源。

现在看来，经典的控制逻辑也仍然是一个观察点。PsiQ的探测器，以及他们的整个光子芯片，仍然需要在低温恒温器温度下运行。由于2K比20mK高了100倍，因此比超导量子比特所面临的温度更容易工作。然而，控制逻辑的很大一部分也必须在这些低温下运行。这种低温CMOS技术本身仍然是一个新兴领域。诚然，许多其他量子硬件厂商都面临着这个挑战，但PsiQ声称它将在21世纪20年代中期建立自己的系统，因此PsiQ需要在这个问题上有所作为。

经典的控制逻辑，特别是产生魔法态的控制逻辑，可能是PsiQ的关键瓶颈。我们应该谨慎地假设快速的光子飞行时间自动意味着快速的逻辑循环时间。经典处理的速度很可能会占主导地位。

PsiQ路线图——100万Q将在5-8年内提供100-300个逻辑量子比特。通过FBQC进行纠错

从长远来看，PsiQ希望远离SNSPD（需要制冷）技术，这样他们的设备就可以在环境温度下运行。他们在应对这一挑战的两端都处于有利的位置——不需要低温冷却的新硬件技术（如在最新一代QKD解决方案中使用的）和改进的纠错协议，允许更高的错误容忍度。

2、中国科学技术大学九章2.0继续前进

2020年12月，中国科学技术大学研制的“九章”的初步结果吸引了人们的关注。2021年，九章得到了扩展，进一步增加了计算的复杂性，并引入了一定程度的可编程性。

图9 中国科学技术大学九章二号

九章——以《九章算术》命名，这是一部创作于公元前10世纪至公元前2世纪的中国著名著作。最初的设备在100个输出模式中探测到多达76个输出光子。现在已经升级到在144个输出模式中探测到113个输出光子。

中国科大 vs Google——关于正确解释九章结果的争论，很好地说明了透明竞争科学方式对各方的好处。Google对中国科大的结果做出回应，表明在存在实验噪声的情况下，“含噪”玻色子采样可以比以往更有效地进行经典模拟。特别是，他们可以比九章更有效地重现Scott Aaronson最初提出的特定度量，作为对量子优越性的测试。中国科学技术大学反驳说，在九章数据中仍然存在高阶量子关联（无法用经典方法模拟）。结果是各方，甚至是Scott Aaronson，现在都比以往更了解玻色子采样。

这不仅仅是科学上的兴趣。它给了我们一个直观的感觉，在一个噪声NISQ时代的设备上使用玻色子采样来证明实际有用的量子优越性是多么困难。

九章二号的真正局限性仍然在于它是基于传统光学装置中的分立元件。这种方法是不可扩展的。相反是类似于Xanadu或PsiQ所使用的方式集成组件。过去10年，中国大陆一直在大力投资发展半导体制造产业，从一个小参与者变成了排名前5的大参与者。中国科大总部所在的合肥是中国著名的300毫米晶圆生产中心，已有一家合肥晶合集成电路股份有限公司Nexchip晶圆厂投入运营，另有三家晶圆厂据报道正在规划中。

3、Xanadu详细介绍了自己的路线

Xanadu在2021年又筹集了1亿美元，以继续自己的光量子计算研究之旅。

Xanadu不是使用单个光子，而是使用压缩光来形成它的量子比特。这允许使用标准SiN光子制造技术在芯片上组合光源和其他光子组件。只有探测器需要低温冷却，因此目前保持在芯片外。

与PsiQ不同的是，他们专注于为客户提供早期设备。自2019年推出第一个4Q系统以来，他们的系统规模大约每6个月翻一番。2021年，他们有一个12模式（相当于超导系统中的量子比特）系统在线可用，一个24模式系统集成和一个40模式系统正在测试中。

2021年，Xanadu公布了其通过GKP量子不同通往FTQC的独特路线图的更多细节。一个关键的优势是，该方案在进一步的纠错之前，已经内置了对光子损失的恢复能力。预计FTQC将日益成为Xanadu的重点。挑战包括关键瓶颈处的多路复用，以及对运行纠错所需的经典处理的支持（可能由FPGA提供）。机会包括利用增强的3D连接。

Xanadu总部位于加拿大，但与欧洲的SiN光子学生态系统有着密切的联系。它最近与IMEC合作进行芯片生产，并与VTT合作生产超导光子探测器。

Xanadu路线图——2021-23年并行的三个处理器系列：X系列的X24、X40、X80；XD系列（100%连通性）的XD4、XD8、XD12、XD40、XD80；TD系列（时域复用）的TD2、TD3；2024年实现5000Q模块；2025年及以后，FQTC数据中心；通过GKP量子比特纠错。

2022年6月，Xanadu宣布使用其最新的可编程光量子计算机Borealis完成高斯玻色采样实验，展示了量子计算优越性。该公司表示，这是第一台提供所有门的完全可编程性以展示量子计算优越性的光量子计算机，也是第一次通过云向公众提供具有量子优越性的机器。

图10 Xanadu可编程光量子计算机Borealis

4、QuiX继续销售处理器

QuiX是一家荷兰初创公司，已经制造了具有4、8、12模式（2022年推出20模式）的光子处理器，包括所需的外围控制电子设备。这些利用SiN光子学平台提供领先的低损耗性能。QuiX的商业吸引力越来越大，它是少数几家实际销售量子计算硬件的公司之一。

QuiX路线图——20×20模式（2021年），50×50模式（2022年），2023年实现计算优势。

Orca Computing是英国另一家基于光子学的量子计算初创公司。他们的方法强调他们专有的存储技术，这使他们在如何操纵光子状态方面具有更大的灵活性。他们将其与标准光学组件相结合，以提供一个独特的平台。这种方法的灵活性与他们在未来量子数据中心的应用中赢得的UKRI赠款非常匹配。

法国初创企业Quandela以其新型量子点单光子源技术而闻名，目前已筹集1500万欧元，用于建造一台光子量子计算机。最初的设备预计将在2022年问世。

Duality Quantum Photonics继续保持低调。根据两位创始人Anthony Laing和Alberto Politi的记录，他们的计划将包括开发集成光子量子技术（Politi的博士论文《集成量子光子学》（integrated quantum Photonics）在2008年开创了这个领域；他当时的导师是Jeremy O’Brien）。

四、中性原子引领量子模拟

2021年，基于中性原子的研究也继续令人兴奋。越来越多的公司正在追求这项技术，包括ColdQuanta、QuEra、Pasqal、Atom Computing和M Squared。

QuEra在2021年迈出了一大步，展示了一个256原子（量子比特）的量子模拟器。这个2D冷原子阵列还没有实现完整的量子比特门集，但它已经可以被编程来重现类似量子系统的动力学。这些结果已经引起了科学上的兴趣，并可能有更广泛的应用。

Pasqal是一家法国初创公司，也在走这条道路。它的创始人展示了一个200原子的模拟量子模拟器。Pasqal的工作重点是强调通过这种模式在脉冲控制和算法层方面可以实现的目标，以及向门模型设备发展。

另一家走上这条道路的初创公司Atom Computing推出了100原子模拟器，并在2021年进行了高调招聘。

ColdQuanta一直是中性原子技术的早期领导者。DARPA的ONISQ项目支持将这项技术作为量子计算基础的工作。它似乎无法在2021年实现100Q云设备的目标，但现在预计这一目标将在2022年初实现。

QuEra路线图——256原子模拟器（2021年）、64Q量子计算机（2022年）、1024Q（2024年）；使用Steane-7进行纠错

Pasqal路线图——200原子模拟器（2021年）、1000Q（2023年）

ColdQuanta路线图——H1 100Q 4X连接（2021年）、H2 200Q 8X、H3 300Q 20X、H4 1000Q 50X（2024年）、H5 2000Q+ 60X

图11 QuEra 256比特量子模拟器

中性原子系统已经在量子模拟器方面占了先机。其性质也为将其扩展到1000Q提供了一条清晰的路径。除此之外，ColdQuanta还设想，在1平方毫米的空间中，一台10万Q的设备是可能的，不过他们也承认，管理所需光学系统的复杂性将是一个巨大的挑战。

这种系统作为通用门模型量子计算机运行的潜力在2021年也得到了提升，加州理工学院演示了99.1%的2Q门保真度。这使用了原子的高度激发态“里德堡态”。读取时间特别是复位周期时间，可能也是这项技术的一个挑战。一般来说，中性原子还没有建立起FTQC的技术路径。

重要的是要意识到中性原子技术在量子技术生态系统的其他领域，特别是在量子传感领域具有强大的影响力。这为该领域的参与者提供了选择多样性和支持机会。

以其高性能激光器而闻名的M Squared已经建立了强大的地位，使这项技术能够用于量子传感。2021年，它还开始构建自己的量子计算系统。

五、硅自旋量子比特实现三次飞跃

硅自旋量子比特长期以来一直具有吸引力。同位素纯化的28Si提供了一个“自旋真空”，可以在其中容纳精细的自旋量子比特。它还承诺利用为半导体行业开发的制造技术。然而，使用精密自旋量子比特实现的保真度落后于其他平台。

在硅自旋量子比特向前迈出的一大步，三个团队现已公布了超过99%的2Q门保真度的结果。

QuTech已经在一个2Q测试装置（一个门定义的双量子点在一个同位素富集的28Si/SiGe异质结构）中证明了99.5%的2Q门保真度。连接两个这样的量子点的能力也在中得到了证明。

日本理化学研究所（RIKEN）在一种2Q测试装置（同样是同位素富集的28Si/SiGe异质结构中的三重量子点）中，证明了99.5%的2Q门保真度。

新南威尔士大学（UNSW）已经在一个3Q测试装置中证明了99.37%的2Q门保真度。硅器件上的一对离子注入的31P（磷）核允许一个电子自旋和两个核自旋耦合。这是施主量子比特可扩展性概念的真正证明。

这些结果的技术和地理多样性是半导体量子比特平台潜力的显著标志。学术团体正在探索的大量技术并不总是相互兼容的，但它们共同代表了一种可能性的力量。

2021年还展示了其他几项有趣的技术。

由全局微波场驱动的自旋量子比特门——新南威尔士大学展示了自旋量子比特门，其使用的技术与一些离子阱团队所采用的技术相同，因为它具有潜在的扩展优势。这种技术传统上利用“缀饰态”来抑制对磁场噪声的敏感性。在追求硅技术的过程中，UNSW的团队引入了一种新的增强型“SMART”协议，有望抑制更高阶的噪声。

锗——另一种方法是基于硅晶片上锗层中的空穴（而不是电子）来定义量子比特。这正迅速成为一个有前途的平台：第一个锗量子比特于2019年实现，2020年实现了两个量子比特，2021年实现了一个四量子比特系统。锗的进步证明了半导体技术可用于在二维阵列中扩展量子比特的概念。

Photonic Inc——继续致力于将光子互连引入硅自旋平台。

英特尔在2021年提醒大家要关注他们在自旋量子比特方面的长期潜力。在与QuTech的合作中，英特尔演示了在最先进的300毫米晶圆厂中制造量子点阵列。概念器件的初步验证已经达到了与以前的测试器件相比的1Q门保真度和相干寿命。扩大规模的潜力是诱人的。正如英特尔所说，量子点实际上就像晶体管的极端单电子情况。另一方面，大型设备中潜在的串扰问题还没有得到研究。

光刻——英特尔认为严格遵守晶圆厂设计规则是能够实现所需极高产量的关键。特别是，它使用全光学光刻（包括化学机械抛光），而不是目前用于量子点制造的电子束光刻。一个300毫米晶圆包含1万个量子点阵列，每片晶圆多达55个门。

Cryo-CMOS——英特尔和QuTech也成功地对最新的Horse Ridge控制芯片进行了基准测试，该芯片能够在3K下运行，以驱动量子比特的微波控制。

SQC可能是最著名的硅量子比特初创公司。然而，它使用了一种非常不同的技术：硅中的磷原子量子比特。这些器件使用超尖端技术制造，提供了超越传统CMOS技术的原子精度。我们还需要等待一段时间，才能看到他们的愿景是否真的能跨越这一领域。

SQC路线图——2023年10Q原型，2030年100Q，到21世纪30年代中期实现有用的FTQC。

2022年6月，SQC和新南威尔士大学宣布推出世界上第一个在原子尺度上制造的量子集成电路，由10个量子点链组成。他们使用这种量子处理器准确地模拟了有机化合物聚乙炔的结构和能量状态，最终证明了该团队技术的有效性。

图12 由10个量子点链组成的原子级量子集成电路

在欧洲，QLSI项目的启动对硅自旋支持者来说是一个重大推动，它吸收了CEA-Leti、CNRS、IMEC和其他公司的专业知识。主要目标包括通过QuTech的Quantum Inspire开放访问平台提供8Q处理器，并在2023年之前展示16Q芯片。

英国硅自旋初创公司Quantum Motion有望从QLSI中受益。它还获得了UKRI的资助，用于开发用于控制和读出的低温CMOS解决方案。

六、NV色心有其独特的潜力

金刚石中的NV色心是另一个量子信息平台。12C没有核自旋，因此形成了量子比特系统的磁中性主体。金刚石还具有良好的热性能，这意味着设备即使在室温下也能保持性能（尽管在较低温度下保真度会提高）。门的保真度仍然是一个挑战。然而，与单个缺陷相关的多个13C核自旋可以提供高保真性能。这个平台良好的光学特性意味着它经常被认为是量子互联网上小型处理器节点的候选。

QuTech——在2021年的一次演示中，纠缠态分布在三个NV节点（冷却到4K温度）之间。每一个都包含一个用于通信的量子比特。中间节点也使用13C的核自旋作为存储量子比特。

Quantum Brilliance是一家澳大利亚初创公司，基于金刚石NV构建室温量子计算机。他们的第一代桌面系统已经上市。

金刚石NV的卓越特性也使其能够在量子传感领域取得快速进展。我们可以期待听到更多关于这项技术的信息。

澳大利亚材料技术公司Archer也一直在为进入量子技术市场做准备。其碳纳米球技术为自旋量子比特提供了一种新的基底选择，但仍处于发展的早期阶段。室温下（175ns @ 300K ）的量子比特寿命比金刚石NV短，但该平台有望带来新的制造灵活性。量子比特逻辑运算尚未得到演示。Archer在亚洲、欧洲和美国获得了一系列专利。

C12量子电子公司正在同位素纯化的碳纳米管中构建自旋量子比特。同样，制造灵活性是一个关键优势。预计操作将针对稀释制冷机系统以获得最佳性能。

EeroQ正在开发另一种新形式的自旋量子比特，其基于被液氦捕获的电子。其发展还处于早期阶段。

六、猫量子比特开始成形

AWS团队在量子纠错方面拥有非常强大的平台实力。一个结果是针对FTQC架构提出越来越详细的建议，其开销显著降低，尤其是通过猫量子比特。其他工作指向更有效的技术，用于实际表面码实现。

Alice & Bob是一家法国初创公司，已经走上了实现猫量子比特的道路。

七、正确的事情

这场竞赛将继续推出足够强大的设备，以释放量子计算的巨大潜力。虽然已经出现了明确的领导者，但每个人都面临着非常不同的规模挑战。目前还不清楚哪个主要的量子比特技术平台会在NISQ或FTQC时代获得成功。量子互联网上FQQC应用的赢家可能会再次不同，如果商业NISQ应用的进展停滞，这可能会变得更加重要。每一项仍在开发中的技术的多样性为初创公司留下了巨大的施展空间。

光子盒认为，提供潜在的量子比特性能现在是最重要的。用电路模型的术语来说，99.9%的2Q门保真度将成为最低标准，而对于那些在NISQ时代寻求广泛量子优势的人来说，甚至需要99.99%+。单独的门的结果是不够的（即使通过随机基准测试进行验证）。我们需要在大型设备上看到与门同时操作的结果（通过先进的技术，如周期基准测试来验证）。

对于那些想要尝试FTQC的人，你需要能够非常清楚地解释你的纠错方法是如何工作的，不仅是在原则上，还包括真实设备中出现的错误。量子硬件需要扩展，但所需的经典控制硬件也需要扩展。

传统的电路模型领域也需要明白，这并不是唯一的游戏。量子退火等启发式方法有显著的发展势头。在物理学的专业应用之外，模拟量子模拟实际上仍然是未被探索的。简单的“少量子比特”设备可以在量子互联网上有新的应用。也许最具颠覆性的是，新的纠错方法，例如FBQC，可能是我们超越传统范式思考可以实现的目标的指针。

量子未来是光明的，但它仍然充满不确定性。

八、展望2022

• IBM——127Q Eagle会加入“超越经典”的俱乐部吗？

• 谷歌——我们会看到表面码的进一步发展吗？

• Rigetti——为英国开发的新量子计算机的规格是什么？

• 祖冲之系列——中国会在纠错和容错方面领先吗？

• 本源量子——中国大型超导量子比特设备会影响云端吗？

• OQC——新款8Q云处理器会有哪些性能数据?

• IonQ——其第二代镱离子处理器的QV能达到多高？另请关注第三代钡离子处理器的早期性能结果。

• AQT——“世界上最小的QC”的下一步是什么方向？

• 霍尼韦尔——关注通用门集的纠错演示。

• Universal Quantum——其高磁场芯片正在工作；它们能达到什么保真度？

• 牛津离子——我们会看到第一个近场微波离子阱装置进入比赛吗？

• PsiQ——我们会听到更多关于他们承诺出售的纠缠源的信息吗？

• QuiX——20×20模式设备的发布。我们将看到哪些性能信息？

• Xanadu——他们的24×12模式设备刚刚上线；是时候进行模式指标之战了吗？

• 九章系列——关注中国科学技术大学专家更倾向哪种光子学平台

• SEEQC——我们什么时候才能第一次看到其SFQ技术的实际应用？

• 中性原子——原子模拟器或门模型设备会统治中性原子云吗？

• 硅自旋——我们会看到朝着真正的多量子比特阵列取得进展吗？

• 金刚石——我们会看到独特的FQQC应用程序的进展吗？

• 猫量子比特——Alice & Bob会把猫量子比特提上议事日程吗？我们会看到AWS的第一批硬件的性能数据吗？我们会看到来自QCI一流团队的猫量子比特吗？

• 拓扑量子比特——在2020/21年挫折之后；故事还能向前发展吗？（2022年3月已经取得进展）

• 创新——关注来自新兴参与者如EeroQ、Archer或C12的量子比特控制逻辑演示。

• 欧盟QT旗舰——下一轮Horizon Europe项目将产生哪些赢家？

• 英国NQCC——新的国家量子计算中心将最终开放。它选择支持的技术将是更广泛进步的晴雨表。

• 美国NQI——NSF和DOE国家实验室中心将取得哪些新进展？

• CEA-Leti——这个主要技能中心能开始加速硅旋转量子比特之旅吗？

• QuTech——我们将在Quantum Inspire上看到哪些新处理器？

• 中国——我们还会看到关于离子阱或中性原子系统的“追赶”演示吗？

• 指标——不要指望离子阱支持者会像接受QV一样迅速地采用CLOPS；但是用户至少可以坚持使用新的QED-C基准套件？

• 保真度——谁有能力令人信服地跨越99.9%的2Q保真度门槛？

量子计算机的早期应用看起来并不成熟。但潜力确实存在。开发量子算法的人才团队仍在为早日实现真正广泛的量子优势而努力。那么可以实现什么？什么时候能实现？

量子计算机从它们运行的独特的量子算法中寻求优势。在某些情况下，这些方法比传统方法有显著的（指数）加速作用，而在其他情况下则是较有限的（平方）加速。某些情况下，诸如量子随机性之类的独特属性会提供不同的优势吗？

关于量子信息处理技术的研究已经超过25年。即使在没有实际设备的情况下，取得的进展也是显著的。

然而，研究时间最长的算法通常需要全尺寸FTQC机器，即使在目前的技术水平下，这仍然很难实现。2021年，许多研究方向再次集中在近期NISQ设备的算法可能实现的目标上，或早期FTQC设备可能实现的目标上。

随着人们对量子计算的兴趣迅速增加，企业提出了一些关键问题：

• 1-2年——早期量子设备将首先从哪个方面进入日常业务运营用途？大众炒作可能会让它听起来像是已经发生了一样。然而仍然没有看到在商业应用中日常生产使用的例子。

• 3-5年——在NISQ时代，可能会解决哪些重要的商业应用？虽然我们有理由对特定的用例保持乐观，但跨越一系列业务问题实现广泛的量子优势的目标仍然有许多难以克服的障碍。

• 7-10年——早期FTQC设备可能会解决哪些应用？对于当前这一代领先的架构，答案比我们希望的要乐观，但重要的应用正在清晰地显现出来。

• 长期——围绕量子计算的炒作合理吗？

光子盒认为，关于量子计算的长期预测仍然是非常光明的。

一、我们实现了什么？

量子云已经不是什么新鲜事了。自2016年起就可以通过IBM Quantum进行访问。从2019年的谷歌，到2020年和2021年的中国科大，其相关成果都展示了“量子计算优越性”。

众多的研究成果是量子专家和行业早期实践者们进行头脑风暴的见证。他们讨论的基调似乎经常表明量子应用现在正在加紧部署。但事实却不尽如此。

D-Wave已经实现了大量的概念应用证明，包括单个真实世界的演示，如2019年在里斯本优化公交路线。许多客户肯定会说，他们已经通过发展团队和将量子启发的知识应用到他们的业务中而在商业上受益。然而，蓝筹终端用户在日常生产活动中对量子应用的使用仍然是难以捉摸的。

在2021年的Qubits会议上，Catherine McGeoch （D-Wave高级科学家）评论道：“D-Wave在量子处理器的常规速度足以克服日常开销之前，我们不会声称拥有量子优势。我们还没有达到目标，但我们知道如何达到目标。”

量子退火的应用很快就会投入生产使用；然而，它也面临着传统设备的持续竞争，这些设备运行着量子启发算法的高效实现。

Google认为他们可能接近于“量子加扰”（Quantum scrambling）的应用。量子系统中量子加扰如何传播的动力学尚不清楚。对这里更好的理解可以应用于理论物理学（也许以后会更广泛地产生连锁反应）。可以使用类似于Google首创的随机电路框架的实验装置来研究这些影响。

Phasecraft发表了一份关于如何模拟Kagome磁体的文章，表明具有50个量子比特的系统可以通过具有200个以下2Q门的量子电路来解决。这似乎即将通过当前一代NISQ设备实现。了解这种自旋液体基态并没有直接的商业应用，但它是理论物理学中一个众所周知且重要的领域。

Google和Phasecraft的提议之所以引人注目，是因为它们采用了灵活的门模型量子计算。然而，如果我们允许在理论物理中应用，那么基于中性原子的模拟量子模拟器可以说已经这样做了好几年了。

剑桥量子可能即将通过其Quantum Origin网络安全SaaS产品（以前称为IronBridge）实现真正的商业部署。这为加密密钥（以及其他需要真正无偏随机性的应用）提供了随机数。通过实施强大的实时熵验证（通过贝尔测试），它提供了当前任何其他QRNG都不匹配的功能，这在传统设备上是不可能的。

从中期来看，此类服务可能会使用低成本的专用设备。然而，Quantum Origin现在已经可以商用（了解到价格非常适中）。谁先购买并部署它，就可以说他们将第一个量子应用投入正常生产！

剑桥量子最近与霍尼韦尔合并，组成了Quantinuum。在初始运行阶段，Quantum Origin将由H系列霍尼韦尔量子计算机提供服务。

随机数仍然是早期应用的一个重要机会。重要的一点是，算法可以为原始的随机性增加价值。在密码学中，我们通常希望最小化我们必须信任的人。Quantum Origin在软件中提供了强大的熵验证。用户将不再需要信任设备的制造商，尽管仍然需要信任操作人员。之后听到越来越多关于量子随机数的消息，我们不应该感到惊讶。

图13 量子随机数平台Quantum Origin

可公开认证的随机数——此类服务的另一个目标是可以公开和远程进行的熵验证。我们知道如何使用FTQC结合PQC。然而，目前在NISQ设备上实现面临着障碍，即我们目前拥有的最佳协议需要验证检查，这是一个数学难题，使其不切实际。这方面的进展将开启一系列有趣的新应用，包括权益证明区块链协议。

二、寻找广泛的量子优势

量子计算专家、学术团体和越来越多的初创公司，一直在努力提前量子计算实现更广泛优势的日期。变分量子算法、量子退火、蒙特卡罗技术的应用和量子机器学习都是活跃的重点领域。

1、变分量子算法

变分量子算法（VQA），包括VQE、VQS、QAOA、QCBM、QNN及其日益复杂的改进，已逐渐成熟，成为最适合使用门模型NISQ计算机实现量子优势的相关技术体系。

图14 变分量子算法示意图

混合量子-经典循环——实际实现正在寻求平衡迭代处理循环的竞争需求：为初始试验输入（ansatz）选择一个好的模型；选择一个成本函数，既要具有量子硬件效率，又要适合具体问题；减少噪音和错误；有效地测量输出；将尽可能多的工作量纳入经典后处理；运行高效的经典优化程序来驱动每次迭代。

1）变分算法的风口

研究越来越集中在确定以足够的规模和准确度运行应用程序所需的实际资源，以解决感兴趣的现实世界问题。目前来说，以下两个挑战成为重大障碍：如何有效地测量每个周期中的量子输出以及驱动变分优化过程的问题。

VQE（变分量子本征求解器）是一系列技术，为在计算化学等领域进行计算提供了希望。最近的工作已经确定了这个过程中的一个关键瓶颈。为了达到通常所需的精度水平，必须对每个试验电路进行重复的输出测量。所需的大量重复看起来像是一个严重的瓶颈，有可能将运行时间超出可用性的范围。虽然这个问题首先在VQE中浮出水面，但随着我们更好地了解它们对准确性的需求，它有可能影响其他变分算法。

Zapata完成了一系列短链碳氢化合物（从甲烷到丙炔）的运行时间估算工作。使用传统的VQE方法，他们估计每次所需的优化迭代的运行时间为2到71天。将需要多次迭代，对于其他感兴趣的分子，时间可能会明显更长。这使得VQE在没有某种方法来减轻测量负担的情况下看起来不可行。

Zapata引入了鲁棒振幅估计（RAE）技术作为缩小这一差距的第一步。振幅估计是估计量子态上可观察量的关键技术，量子态是VQE的关键组成部分。RAE有助于我们在嘈杂的量子处理器上使用这种技术。

荷兰量子软件初创公司Qu & Co与传统计算化学软件专家Schrödinger公司合作。他们的工作受益于对量子计算潜力以及当前经典方法优缺点的深刻洞察。他们的工作质疑NISQ时代实施的VQE是否有望达到化学精度（通常被视为1kcal/mol或1.6mH）。一个普遍的观察是，迄今为止，许多量子演示都将准确性与精度混为一谈：他们计算出精确的结果，但模拟的轨道太少，无法达到真正的准确性。

Zapata开发了一种“经典提升”VQE的技术，允许使用传统的近似计算一些轨道，而量子处理器只处理那些具有强量子相关性的轨道。

变分算法的另一个普遍挑战是确保所需的经典优化能够有效地完成。在许多情况下，这类似于我们沿着斜坡寻找最低点（最优解决方案），而我们却有可能找到一个空洞（局部极小值），而这并不是最佳的整体解决方案。如果我们发现自己在一个非常平坦的地方（贫瘠的高原），那么我们可能不容易知道下一步该走哪条路。设备的噪声也可能使一个微妙的斜坡变成贫瘠的地形。

NP-hard——2021年的工作巩固了我们对这个问题的理论理解。不幸的是，在一般情况下，VQA面临的优化挑战是一个NP-hard问题。

威胁在于优化的经典成本可能超过量子加速。最坏的情况很难，这不应该让我们过分担心。特别是当我们模拟一个物理量子系统时，我们可以使用物理或化学的洞察力来选择一个试验解和近似的哈密顿量。我们可以有一种直觉，我们的量子系统将帮助我们找到自然的解。

然而，当我们处理一般优化问题时，我们的直觉可能不那么强烈，这可能会通过诸如QAOA（量子近似优化算法）之类的方法来解决。在这里我们可能需要更具体的理由来认为我们选择的试验解和成本函数给了我们一条简化的优化路径。

D-Wave迅速指出了这种推理给了QUBO和量子退火的支持，这是NISQ时代优化问题的首选策略。

纠缠诱导的贫瘠高原——可见层和隐藏层是传统深度学习的基本组成部分。最近的研究表明，可见和隐藏的单位之间的过度纠缠会导致贫瘠高原和训练失败。虽然这令人沮丧，但它也可能指出了避免这个问题的方法。

Zapata开发了一个开源工具orqviz，通过帮助优化环境的可视化来帮助解决优化挑战。

2）变分算法的进展

NISQ时代的量子优势主要集中在几个领域。其中特别包括在化学和材料科学中的应用。这些系统潜在的量子本质支持了我们的信念，即量子计算可以帮助我们探测它们的属性。

分子结构——VQE用于计算感兴趣分子的基态（或激发态）能量。这一领域的技术正在快速创新。

Zapata、剑桥量子、Phasecraft、QC Ware、Rahko、QunaSys等都是利用学术人才推动创新的初创企业，每家公司都提供VQE的变体和改进。

剑桥量子和罗氏已将密度矩阵嵌入理论的传统计算化学技术与VQE相结合，以检查蛋白质-配体结合能，计算是在IBM和霍尼韦尔处理器上进行的。

材料科学——传统方法通常只能处理量子相关性较弱的材料。理解规则晶格阵列是一类重要的问题，通常以费米-哈伯德模型为特征。这包括可能具有很高实际重要性的系统，如理解高温超导性或电池性能。

Phasecraft提出了一种优化的变分算法来计算2D费米-哈伯德模型中的基态能量。可以在具有大约325个2Q门（在完全连接的架构上）的50Q设备上处理5×5实例（比经典方法所能精确求解的要大）。

Rahko所采用的方法首先关注最先进的方法（例如动态平均场理论）可以在HPC平台上实现的程度。它后来计划使用基于VQE的技术来增强这些功能。

分子动力学——计算化学中传统方法很难处理电子激发的时间动力学。这种动力学可能与光伏和发光二极管的应用有关。VQS（变分量子模拟）技术旨在解决这一领域。

Phasecraft在5×5晶格上模拟费米-哈伯德模型模型中的时间动力学的工作仅提出了3,209个2Q门和259个时间步长。这低于使用原生量子比特操作的传统电路模型，并将错误缓解技术构建到算法中。

• 专利——Phasecraft已经为其将费米子映射（编码）到量子比特以进行此类量子计算的有效方法申请了专利。

• 优化——Grover搜索算法原则上可以为许多组合优化问题提供平方加速。然而，高资源需求使其远远超出了NISQ设备的能力范围（正如我们将看到的，可能也超出了当前FTQC架构的能力范围）。QAOA是一种VQA，已经被许多团队研究用于基于门模型的NISQ应用。没有普遍的证据表明它比经典方法更有优势，所以重要的是要有一些直觉，为什么量子实现可能有助于手头的具体问题。

• 困难vs容易——最近的工作让我们能够更清楚地了解QAOA在困难（例如3-SAT）和简单（例如2-SAT）问题上的表现。这可以为更好地直观地了解它可以提供的好处指明方向。

IBM展示了探索如何将组合优化问题映射到局部量子哈密顿量的工作。这使我们能够将他们的解视为类似于寻找哈密顿量的基态，使用VQE或量子相位估计等技术。

在没有完全纠错的情况下，研究团队通常会应用其他错误缓解技术来最大限度地发挥NISQ处理器的能力。这些技术通常基于控制硬件或控制软件。算法设计也有其作用。可能需要针对特定设备的优化。

作为英国UKRI/加拿大联合资助计划的一部分，两家公司Phasecraft和Quantum Benchmark正在与加拿大量子计算研究所（IQC）和伦敦大学学院（UCL）合作开发容错算法。

2、用于组合优化的量子退火

各种各样的业务问题都可以定义为组合优化问题。这些范围从金融服务中的投资组合优化到旅行推销员问题（它概括了运输、物流和制造中的许多常见问题）。

QUBO（二次无约束二进制优化）是基于量子退火设备固有的组合优化模型。在这里，我们有一个直觉，即量子隧穿效应可以帮助避免输出被困在次优解中。最近，原则上表明D-Wave（“随机”退火）使用的架构确实可以提供加速（尽管证明确实假设了无噪声设备和有利的问题选择）。关于我们对当前设备中可用的嘈杂、短相干时间量子比特的期望，学术辩论仍在继续。

Paypal已经使用深度学习技术进行欺诈检测。然而，这些算法的特征选择是一个重要的组合问题。Paypal正在与D-Wave合作，比较基于QUBO的模型和用于特征选择的经典模型。

Multiverse Computing之前曾使用QAOA和量子退火与BBVA一起探索金融服务组合优化任务，后者表现更好。最近，他们扩展了这项工作，显示了使用标准普尔500指数的真实资产优化金融投资组合的有希望的结果。这使用了D-Wave混合工具及其Advantage量子处理器。

图15 量子退火用于组合优化

来自富士通、东芝、日立和NEC的数字退火机继续为这些方法提供量子启发的竞争。

东芝一直在追求量子启发的优势，利用模拟分岔算法（SBM）解决问题。它的SBM是一个适合在传统高性能硬件上运行的软件包。它已被证明可以解决多达10亿个二进制变量的问题。

微软的工作指出，由于在当前架构中嵌入QUBO问题时连接性约束引起的开销，量子退火相对于数字退火面临扩展劣势。

Zapata开发了一种量子增强优化技术，该技术采用生成式建模来寻找组合优化问题的更好解。该方法的优点是不限于QUBO问题，并且可以利用经典和量子机器学习模型。他们首先将其证明为标准普尔500指数投资组合优化的量子启发模型。

3、量子加速蒙特卡洛技术

传统蒙特卡罗技术在工商业中得到广泛应用。特别是，这些技术在金融服务行业中被广泛用于衍生品定价、信用估值和风险管理。量子蒙特卡罗技术（QMC）有望加速这些非常有用的计算。这些取决于振幅估计。

QC Ware已经减少了从QMC中获益所需的资源需求。这减少了电路深度，但增加了迭代，这种权衡降低了量子速度，但使其实现更近了一步。

QC Ware获得了低电路深度振幅估计技术和高效数据加载技术的专利。

QC Ware已经在IonQ的最新硬件上完成了一个概念演示证明。它使用一元编码和4个量子比特，电路多达92个2Q门，电路深度为62。

算法创新正在使量子优势更接近实现。然而，仍然存在重大障碍。QC Ware已根据2Q门保真度和有效时钟速度估计了在实际衍生定价用例中获益所需的资源需求。这表明我们仍然需要在门保真度上进一步提高几个数量级；此外，时钟速度可能是当前离子阱架构无法克服的挑战。

高盛和IBM计算出了衍生品定价中量子优势的一个阈值。这始于商业洞察力，即具有路径依赖敏感性的衍生品将首先从量子方法中受益。当设备能够提供8000个逻辑量子比特和足够的逻辑保真度来支持1010个逻辑操作时，他们预见到商业利益。这将需要使用纠错，在这项初步工作中，所需的逻辑时钟速率为10MHz，与当前的FTQC架构预期提供的相比，看起来非常激进。高盛和IBM提出了新的技术，可以将逻辑时钟速率要求降低到大约30kHz（更接近早期FTQC架构设想的10kHz）。

图16 阿里巴巴股价的蒙特卡罗模拟

4、量子机器学习

传统的机器学习已经在商业领域获得了广泛的应用。量子机器学习，也许比量子计算的任何其他领域都更受到关注。要想从炒作中探出真相，我们必须清楚为什么我们期待量子带来优势。

反量化（De-Quantization）——进程并不总是一帆风顺的。Kerenidis和Prakash的推荐系统最初虽然提供了指数级加速，但后来改进的经典算法将其简化为（仍然相当可观的）多项式之一。同样的方法也影响了其他流行的机器学习技术的量子算法，包括主成分分析和最近质心聚类。

1）加快运算速度

量子可以提供帮助的一个明显方式就是加速经典技术。HHL允许对线性代数进行非常普遍的加速，但仅适用于本机量子数据和输出。Grover算法允许在许多非结构化搜索应用程序中实现非常普遍的平方加速。但是这些技术真的可以在实践中使用吗？

对于直接加速传统机器学习技术的大多数尝试而言，最持久的困难是要求技术能够有效地加载数据，然后由量子设备进行叠加查询。我们还不知道如何构建这样的QRAM（量子RAM）技术。

Google和麻省理工学院（MIT）最近发表了一份研究报告，明确地展示了“宽和深”神经网络如何在训练中实现指数级加速。具体来说，这利用了深度学习中的神经切线核模型。这项工作展示了如何解决QML通常面临的四个“读出细则”异议中的三个。然而，我们仍然不知道如何构建QRAM硬件。

QC Ware的专利数据加载器协议是一个值得注意的工具，它试图减少（如果不能克服的话）QRAM瓶颈。

QC Ware在11量子比特IonQ量子设备上进行了数据加载器技术的概念演示，以实现流行的机器学习原语、最近质心分类器。

2）更多计算空间

与其“渴望QRAM奇迹”，Mattias Troyer（微软）鼓励该领域搁置“大数据”问题，而专注于“小数据、大计算”问题。这类问题寻求从大的计算工作空间中获益。这是量子计算机能够提供的独一无二的东西（由于量子比特系统巨大的希尔伯特空间）。

Xanadu指出，对于近期的QML方法，许多最有前途的技术实际上最好理解为传统机器学习中所谓的核方法。

IBM声称2021年是一个显著的里程碑，它提供了一个学习任务示例，该任务可以提供指数级加速，但只需要对数据进行经典访问（尽管它确实需要FTQC）。这将构建的一系列数据集作为起点，因此很难用传统算法进行分类（它们基于离散对数问题）。量子计算用作传统支持向量机的核函数。

IBM还发表了量化QNN（量子神经网络）与可比较的经典神经网络相比可以实现的更高维度的工作，以及难以模拟的经典特征图在影响可训练性方面的作用。

Pasqal发布了一个专门定制的框架，以利用中性原子设备的可重构性来表示图的核。

非线性微分方程组是一类突出的问题，它们可以被简洁地表达，但是需要大量的计算资源来数值求解。这种方程出现在各种各样的科学和商业应用中，我们需要对复杂的过程进行建模：从结构工程到航空航天，从化学到生物学，从金融到流行病学。

Qu & Co开发了一种新技术，用于处理近期量子计算机上的非线性微分方程，即可微量子电路。这种方法训练QNN以使用大的可用希尔伯特空间来处理导数。Qu & Co还将这种方法扩展到随机微分方程。Qu & Co已提交了一项涵盖其技术的专利申请。

自从现代计算的概念提出以来，自然语言处理就是一个值得关注的领域，也是近年来取得显著进展的一个领域。这是一个需要呈指数级增长的工作空间的问题的一个很好的例子（想想为什么我们有单词词典而不是句子词典）。

剑桥量子已经将QNLP（量子自然语言处理）确定为QML的一个特殊领域。2021年，他们报告了第一个实验结果。使用5Q的IBM设备对包含130个句子和105个名词短语的数据集进行编码。

QNLP利用了量子计算机提供的扩展计算空间。剑桥量子提出的形式主义和量子力学的ZX微积分表示之间惊人的相似之处，这将是一个富有成效的方法。或许，正如剑桥量子力学的首席科学家Bob Coecke所说的那样，“语言是量子原生的”。

3）独特的量子数据

一个越来越重要的关注点是，当数据集中存在需要解决的量子关联或量子干涉效应时，QML应该能够超越经典机器学习。2021年的工作已经开始将其形式化和结构化，这既适用于学习任务，也适用于生成模型。

加州理工学院在2021年发表了一项研究，对不同机器学习模型的能力进行了界定：一种是传统的学习驱动，但使用量子系统的测量输出（例如，物理实验、模拟量子模拟器或VQA的迭代），另一种是在学习过程中保持量子相干性（未来的技术，可能有一天由FTQC实现）。一个关键的结果是经典驱动的ML可以做得很好，在“平均情况”预测精度方面与完全量子学习的能力相当。完全量子学习为“最坏情况”的预测准确性提供了进一步的指数优势。

Google认为，支持量子可以为化学等领域的进步提供的最普遍的支持形式不仅是对系统的理论模拟，还可能包括为经典驱动的机器学习生成量子数据集。

量子电路玻恩机（QCBM）是一种实现生成模型的VQA。2021年发表的研究首次证明，一种特定类型的QCBM，即伊辛玻恩机，可以执行任何经典计算机都难以完成的采样任务。

我们期望找到包含量子相关性的数据的一个地方是量子传感器的输出。在量子技术领域的其他领域，许多新的量子传感器正在积极开发中。然而，我们有时会忘记基于NMR（核磁共振）和SQUID（超导量子干涉装置）的设备已经使用多年（在医疗应用中，NMR被称为MRI）。

从实验中学习的量子优势——加州理工学院和Google的工作已经证明，在学习量子态的性质方面有指数优势。这项工作要求我们从两个方面来考虑“悬铃木”处理器。在第一种理论中，它的量子比特代表了某些假想物理实验的输出（或一系列量子传感器的输出）。我们的任务是了解这种状态的一些性质（研究物理或实验，或读出我们的传感器网络）。量子处理器的其余部分对这些输入执行纠缠操作，然后将输出传递给经典的机器学习程序。与纯粹的经典方法相比，这种方法能够以指数级的速度在更少的试验中了解状态的属性。

Google发了一种用于核磁共振实验中检测到的量子辅助学习和系统表征算法。他们提出了NISQ和FTQC应用的资源估算。

Qu & Co还提议将其DQC技术扩展到模型发现，我们希望找到支撑输入数据的微分方程。

在最冒险的情况下，有些人推测意识与量子波函数坍缩之间存在联系。事实上，“客观坍缩”理论长期以来一直被视为扩展量子力学的一种可能方式。Hartmut Neven（Google量子AI的负责人）推测，波函数坍缩可能是一种有用的方式来理解我们将越来越需要分配给高级AI系统的“代理”。也许更多的人将不得不开始注意这种想法。

三、早期容错机器

1、平方加速还不够？

一个经典的与非门可能是每秒10-9个晶体管，一个量子与非门（粗略地说）是每秒10个量子比特。这个巨大的1010因子是仅提供适度的二次加速的算法的主要障碍。问题是，为了达到量子计算机获得优势的问题规模，我们已经在处理这样的情况：在完全FTQC的情况下，运行时间将是不切实际的长。

FTQC——早期设备经常讨论的标准规格是100万物理量子比特，2Q保真度为99.9%，以最近邻连接和1MHz的代码周期时间运行表面码。在这种潜在错误水平下，这可能是一台1000逻辑量子比特的机器。然而，量子优势的关键门（例如T门或Tofffoli门）非常慢，每个都需要数百个逻辑量子比特。与传统计算机相比，这导致了巨大的“常数因子减速”。

那么其他的量子比特架构呢？它们提供了不同的门速度、相干时间保真度和量子比特连通性。2021年的一项有趣的工作研究了这些不同的权衡对离子阱架构的影响。在当前的方法中，代码周期时间通常会更长，尽管这些架构的支持者认为，它们更强的扩展能力抵消了这一缺点。但这不能解决常数因子减速的基本问题。

PsiQuantum提出了一种名为FBQC的新架构。光子时钟的时间可能非常快。然而，这些设备仍然会受到纠错解码所需的经典处理时间的限制。我们还不知道他们的逻辑时钟时间会是多少。

振幅放大（Grover搜索中使用的）是一种量子原语，在商业优化问题中具有广泛的潜在适用性，但它只提供平方加速。量子行走（或量子漫步）给出了一些例子，其中指数加速是可能的，但具有最明显的广泛业务利益的情况（例如加速蒙特卡罗模拟）只提供平方收益。这似乎是在开发现有的已知架构的基础上，将大量的商业应用转移到FTQC无法触及的范围之外。

D-Wave在NISQ和FTQC早期都将量子退火作为其首选优化方法。另一方面，它宣布将构建哈密顿量模拟应用的门模型设备。

然而，随着该领域探索克服这一挑战的方法，我们也看到了创新。

Peter Johnson （Zapata的首席研究科学家和联合创始人）评论道：“在早期容错量子计算时代，我们需要通过设计鲁棒量子算法来最大化这些机器的性能。这种算法仍将导致不可忽略的错误，但将减轻其对计算输出的影响”。这种方法可以让我们解决那些用NISQ错误率无法解决的问题，但却需要在FTQC的全面规模上花费一定的成本。Johnson指出，最近这个领域的工作显示了这种方法的前进方向。

Iordanis Kerenidis （QC Ware的国际量子算法负责人）指出，尽管一些我们之前认为具有指数优势的算法已经被经典方法的后续进展“反量化”了，但在实践中，它们在许多线性代数应用中仍然具有四次方或更好的优势。Kerenidis著名的推荐系统仍然具有8次方的优势。

2、AlphaFold与蛋白质折叠

蛋白质可能是最重要的生物分子。它们的物理形状及其如何影响它们之间的相互作用对生物功能和药物靶向有着深远的影响，所以这是一个备受研究重视的问题。解决蛋白质折叠问题一直是量子计算的潜在目标。

莱文塔尔悖论——一种短蛋白质可能很容易有3198种可能的键角组合。然而，一旦它形成一条长链，它就会在毫秒内采用一种独特的首选折叠形状。但是仅仅是依次尝试每一种组合所花费的时间就超过了整个宇宙的寿命！

这是蛋白质折叠问题，或者更准确地说，是一系列相关问题的集合，包括：如何从氨基酸序列中预测简单蛋白质的结构；了解蛋白质构象；了解折叠的动态路径。

从量子力学的角度来看，不存在悖论，这只是一个经典计算难以解决但量子计算机可以解决的问题。

对于持怀疑态度的观察者来说，2021年已经看到了对大肆宣传的量子预期的一些负面迹象。Google旗下DeepMind开发的AlphaFold使用传统的人工智能方法来“解决”蛋白质折叠问题。制药行业还表明，当行业得到适当关注时，药物开发时间表可以大大加快。

AlphaFold 2成功地将预测蛋白质折叠结构的最新技术提高到92.4-95% GDT。对于单个蛋白质链，它在90%以上的时间里都能以合理的准确度（<3-4 Å）进行预测。这是一个戏剧性的结果，也是DeepMind迄今为止最引人注目的成功。甚至有人认为这是人工智能领域迄今为止最重要的成果。

Bhushan Bonde博士在Quantum.Tech 2021上的演讲，揭开了炒作和现实的面纱。传统的量子化学近似技术是筛选新冠肺炎（Covid-19）药物化合物的关键工具。但是，它们消耗了大量且不切实际的计算资源。他的模拟经常使用微软Azure云上的所有GPU能力；运行了数周，但仍然不够快。重复这样的实验会对能源消耗、热管理（冷却计算机硬件）以及更重要的时间效率产生影响。他还认为AlphaFold的表现还没有真正与制药公司的生物学相关，因为制药公司需要准确确认药物结合袋的准确性。

Bonde博士认为未来的人工智能进步和量子计算技术是互补工具。量子计算为量子化学中的解析解提供了一个全新的工具。它还有望成为未来机器学习系统进一步提高性能的推动者之一，特别是当数据中存在量子相关性时。Bonde博士认为，如果我们在生物系统中发现这些，我们不应该感到惊讶——我们关于鸟类导航能力的主要理论是基于鸟类眼睛中的感光隐花色素蛋白利用量子纠缠效应的能力。

IBM一直积极推进量子蛋白质折叠方法，提出了一种量子资源高效的VQE变体，已经用于在他们的早期设备上“折叠”玩具问题。

图17 蛋白质折叠

3、哈密顿量模拟和FeMoco

哈密顿量模拟，模拟物理、材料科学或化学中的一般量子系统，从一开始就一直是量子计算的一个关键用例。每年，先进材料和化学品行业花费超过400亿美元用于测试潜在工业用途的新材料，大型制药公司花费超过2100亿美元用于研发。量子理论的支持者指出，通过提高研发管道的生产率和减少浪费在失败的临床试验上的资金，可以节省大量开支。

头条新闻经常会报道量子计算硬件的进展。算法也取得了巨大的进步，但是这一点并没有得到广泛的理解。模拟FeMoco一直是早期量子模拟领域希望达到的目标。

FeMoco（Fe7MoS9C）是固氮酶中的活性位点，在自然界中负责将氮气催化转化为氨（肥料）。由于我们不明白蓝细菌是如何做到这一点的，所以我们使用能源密集型的哈伯-博施工艺来制造世界农业所依赖的肥料。然而，哈伯-博施工艺对环境的影响是所有化学工业工艺中最严重的。据估计，它所产生的二氧化碳排放量占全球排放总量的1.2%，高于英国或法国！

模拟FeMoco所需的量子资源的详细工作为了解算法进展提供了一个窗口：所需资源的预测从1亿量子比特（2014年）到2000万量子比特（2017年）到400万量子比特（2020年），再到今天的200万量子比特。对于30万至100万量子比特，还提出了较低分辨率的模拟。这一进展使得这种模拟在早期的FTQC机器上看起来触手可及。在研究这个问题多年后，Ryan Babbush（Google的量子算法负责人）认为这些结果现在看起来接近最优，至少在当前的模拟方法和提议的纠错架构下是如此。

Schrödinger和Qu & Co质疑，模拟FeMoco达到目前设想的精度水平是否足够。然而，他们也指出，有迹象表明，其他感兴趣的系统可能用比想象的更少的资源就可以解决。他们指出，Cr2本身并不是一个具有实际意义的系统，而是一个潜在的交叉点，在这个交叉点上，量子优势将成为可能。

Babbush热切希望在推动更高效的量子模拟方面开辟一条新战线，他评论说：“化学的未来是一次量子化的!”

与早期哈密顿量模拟（以及传统计算化学）中更常用的二次量子化方案相比，Babbush提出了一次量子化实施的新方案，并完成了纠错计算的详细资源估计。这些方案提供了与二次量子化相似的准确性，但可以显著减少资源需求。

一次量子化——需要量子比特∝活性粒子数和log（轨道数）

二次量子化——所需量子比特∝轨道数

这种形式主义的另一个优势是，它有望超越玻恩-奥本海默近似（将原子核视为经典点电荷）。

嗅觉和味觉——同位素是指只有同位素组成不同的分子。这种差异不会影响它们的化学性质，但有许多例子表明，这种变化会影响味觉和嗅觉的性质。这是量子隧穿辅助效应吗？

总的来说，谷歌看到了哪些FTQC用例？就物理量子比特而言，这些可能是：

• 2.5万至5万量子比特——模拟快速加扰（通过FTQC）。在理论物理中的潜在应用，在其他领域更有推测性。

• 5万至25万量子比特——模拟晶格自旋模型。在核磁共振波谱分析中的潜在应用。

• 25万至100万量子比特——以低分辨率模拟材料和分子。

• 100万至500万量子比特——以高分辨率模拟材料和分子。

四、长远眼光

1、量子算法的大统一理论

潜在的商业用户经常会问，有多少种量子算法？从某种意义上说，学术团队和越来越多的初创公司每周都会发布新的算法。然而，新技术通常利用的底层原语数量要少得多。

哈密顿量模拟直接用于材料科学和化学；它也是HHL和连续时间量子行走的核心。QFT（量子傅里叶变换）用于相位估计、Shor算法、求解离散对数问题等。振幅放大用于Grover搜索算法、离散时间量子行走和其他算法。

QuSoft、微软和麻省理工学院的新研究以一种新的方式看待量子算法。这个“量子算法的大统一理论”指出量子奇异值变换（QSVT）是几乎所有已知量子算法的统一基础原语。这种新的形式有望让人们深入了解量子算法的本质，以及它们可以在哪些方面提供量子优势

QSVT——这个过程用一个酉矩阵（幺正矩阵）表示。物理学家熟悉特征值和特征向量在分析这类系统时所起的有用作用。奇异值分解是特征分解到非方阵的数学推广。这样的矩阵可以嵌入到一个更大的酉矩阵中。QSVT技术可以对嵌入矩阵的奇异值应用一个函数。

物理学家们可能会说，QSVT技术允许我们在量子计算机的量子原生酉结构中嵌入更一般的问题。数学家们可能会说，QSVT明确了如何将更广泛的数学函数映射到物理设备上。

2、BQP（有界错误量子多项式时间）可轻松解决？

我们应该对量子计算的长期价值抱有多少乐观态度？值得回顾的是，我们没有证据表明量子计算机可以解决传统计算机无法解决的问题。我们知道如何使用它们来分解大数字，但我们不知道是否能找到一个更好的方法，让传统计算机来解决这个问题。我们所拥有的只是直觉。

对于一些问题，很容易看出这种直觉的来源。每当我们想要模拟一个最终依赖于量子力学的真实系统时，甚至在传统计算机上编码哈密顿问题都是非常困难的。物理学家的直觉告诉我们，解决这个问题并不容易。由于其对材料科学和化学的影响，这仍然具有特殊的重要性，认为，这一技术的长期后果仍然没有得到广泛的重视。

但是，对于更广泛的问题，我们的直觉应该是怎样的呢？这里我们需要关注计算复杂性理论。我们还没有任何绝对的证据来证明量子计算机能够有效解决的问题（BQP）超出了传统计算机（BPP）的能力。乐观地说，我们也不知道量子计算机能力的上限在哪里（我们只知道P⊆BPP⊆BQP⊆PP⊆P#P⊆PSPACE⊆EXP；我们甚至不知道重要的问题类别与这个列表相交于何处，如NP或它的泛化PH）。

Oracle——计算复杂性理论家有他们自己产生直觉的方法。当他们不能绝对地证明一个结果时，他们经常使用“相对证明”来取得启发性的进展，这种证明探索了假设一个oracle是可用的结果，我们可以询问（查询）来提供必要的输入或解。然后，我们可以通过研究调用oracle的次数（问题的查询复杂性）来取得进展。

这样的技术并不总是指向正确的方向（我们现在知道IP = PSPACE, MIP = NEXP, MIP∫ = RE）。然而，这些相关证据一次又一次地被证明是推动进步的有用垫脚石。特别是量子信息理论家在发现Shor算法和Grover算法的过程中使用了这样的技术。我们应该认真对待这种直觉。

在oracle模型中，我们可以证明量子计算机可以超越经典的有效可能（BPPO≠BQPO），Bernstein-Vazirani和Simon算法做到了这一点。这种分离最近被进一步推进，以表明存在一种相对于量子机器具有超越任何经典机器的能力的预言（BQPO⊄PHO）。我们还知道这个问题，Forrelation，说明了查询复杂度接近最大的加速。

在最近的工作中，Scott Aaronson（美国德克萨斯大学奥斯汀分校）和他的学生扩展了这一理论，证明了一系列新的结果。这包括对一个长期存在的问题的答案（我们已经知道NPBPP⊆BPPNP，我们现在知道相对于一些oracle NPBQP⊄BQPNP）。有趣的是，这些相对化技术似乎表明，经典复杂性类的潜在坍缩和分离对量子计算机能力的限制少得惊人（例如，P vs NP的量子版本和经典版本是不耦合的）。这可能会鼓励一种直觉，即确实存在一些只有量子计算机才能解决的尚未完全定义的问题。正如Aaronson所说，BQP表演“杂技”的空间仍然很大。

复杂性理论似乎仍然有很多东西可以提供。Aaronson提出了一个与量子查询复杂性有关的关键开放问题清单，以促进研究进展。

仅提供平方加速的算法要在目前设想的早期容错机器范围内带来好处，面临着艰苦的斗争。这自然将重点放在寻找提供更大加速的算法上。

Aaronson-Ambainis猜想（未经证实但被广泛相信）告诉我们强（指数）量子加速只发生在结构问题（在数学意义上）。也许商业直觉在这里也有帮助。业务问题通常有很多结构（在现实世界的意义上）。然而，也许我们过于关注我们已经定义的传统问题类别，而对这些新设备的功能自然而然地将我们带到何处的关注不够？企业是否甚至没有认识到一些最大的挑战和机遇，因为它们可以通过不同类型的数学来解决？

我们完全有理由相信量子计算的显著潜力。2021年的进展应该加强而不是削弱我们支持这一点的直觉。

五、展望2022

• 量子随机性——谁会为量子生成的随机数买单？

• 量子退火——D-Wave客户会在常规生产中使用量子退火应用吗?

• VQE——我们会在NISQ设备上看到“超越经典”的演示吗?

• QAOA——我们能清楚地看到什么时候这可能会带来优势吗?

• 量子蒙特卡罗——进一步的创新能让它成功吗?

• 量子机器学习——注意在基础科学研究中的应用。

• DQC——我们会看到实际用例的具体资源估算吗?

• QNLP——对于这个令人兴奋的方法，我们可以期待什么样的路线图?

• 量子化学——一次量子化形式将提供什么新的可能性?

• 欧洲的增长势头——关注Beit、JoS Quantum、Fermioniq等初创公司的更多信息。

• 鲁棒量子算法——关注探索NISQ以外空间的进展，但不包括全尺寸FTQC。

• NISQ的其他架构——竞争性量子比特技术提供了不同的性能权衡。注意NISQ算法针对高连通性的离子阱平台进行调整。

• “适度”FTQC的其他架构——需要注意评估高规格应用程序所需资源的工作。对于离子阱，理解更高的连通性与更慢的门速度的影响将是一个关键的考虑因素。

• 创新纠错——关注纠错的发展；量子LDPC码能引起轰动吗?

• 计算复杂性边界——永远记住，这个领域的正式基础是建立在一些大的猜想之上的，这些猜想对于事情的结果具有很大的灵活性。任何事态发展都可能对该行业产生重大影响：Aaronson-Ambainis猜想；BQP vs NP完全；BQP vs NP∩coNP；甚至是P vs NP本身。

• 实验复杂性的前沿——记住，物理学家发明的每一个理论最终都会被推翻。量子力学也不会有什么不同。投资者希望每个新处理器都能工作。如果没有的话，事情可能会更严重。